Leveraging Anatomical Priors for Automated Pancreas Segmentation on Abdominal CT

要約

CTでの膵臓の正確なセグメンテーションは、膵臓病理を特定し、イメージングベースのバイオマーカーを抽出するために重要です。
ただし、膵臓のセグメンテーションに関する以前の研究では、主にセグメンテーションモデルアーキテクチャの変更、または前処理技術の利用に焦点を当てています。
この記事では、膵臓のセグメンテーション性能を強化するために、解剖学的前層の有用性を調査します。
2つの3Dフル解像度NNU-NETモデルがトレーニングされました。1つはパノラマデータセットから8つの洗練されたラベルを備えており、もう1つはパブリックTotalSegmentator（TS）ツールから派生したラベルと組み合わせたものです。
解剖学的前層を追加すると、膵臓セグメンテーションのためにDICEスコアが6 \％増加し、Hausdorff距離が36.5 mm減少しました（$ P <.001 $）。 さらに、解剖学的前層が使用されたときに膵臓は常に検出されましたが、使用せずに検出に失敗した8つのインスタンスがありました。 解剖学的前症の使用は、膵臓のセグメンテーションとその後のイメージングバイオマーカーの導出に有望です。

要約(オリジナル)

An accurate segmentation of the pancreas on CT is crucial to identify pancreatic pathologies and extract imaging-based biomarkers. However, prior research on pancreas segmentation has primarily focused on modifying the segmentation model architecture or utilizing pre- and post-processing techniques. In this article, we investigate the utility of anatomical priors to enhance the segmentation performance of the pancreas. Two 3D full-resolution nnU-Net models were trained, one with 8 refined labels from the public PANORAMA dataset, and another that combined them with labels derived from the public TotalSegmentator (TS) tool. The addition of anatomical priors resulted in a 6\% increase in Dice score ($p < .001$) and a 36.5 mm decrease in Hausdorff distance for pancreas segmentation ($p < .001$). Moreover, the pancreas was always detected when anatomy priors were used, whereas there were 8 instances of failed detections without their use. The use of anatomy priors shows promise for pancreas segmentation and subsequent derivation of imaging biomarkers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google